別再說學不會:超棒的Numpy可視化學習教程來了!

作者 | Jay Alammar

譯者 | 蘇南下

來源 | 機器會學ML（ID：AI_Learning007）

學習 Python，尤其是基於 Python 的學習機器學習算法，最基礎的 NumPy 用法必須得熟悉。網上這方面的教程不少，但大多千篇一律，枯燥羅列代碼形式，而數組和矩陣本身有些抽象、難以理解的解讀很少。

今天給各位介紹一個由國外大神製作的 NumPy 可視化教程，直觀地介紹 NumPy 的各種用法，很容易就能理解。話不多說，一睹為快。

數組

先來介紹最基礎的一維數組。

1、np.array() 直接創建

2、使用 np.ones()、np.zeros() 等方法

我們在寫數組的時候是橫著寫的，而其實數組是列向量，這樣很直觀。

1、加減乘除

2、數組乘以數值

上面是一維數組，下面介紹二維維數組也就是矩陣的使用技巧。

矩陣

1、直接創建

2、使用 np.ones()、np.zeros() 等方法

這樣就很容易理解括號裡 (3,2) 的含義。

矩陣點積跟線性代數基本一樣，有些抽象，藉助示意圖能很好理解：

進一步拆分解釋：

1、求最值

2、按行 / 列聚合

1、reshape() 用法

高維數組

Numpy 不僅可以處理上述的一維數組和二維矩陣，還可以處理任意 N 維的數組，方法也大同小異。

掌握了以上基礎後，我們可以做個小練習，計算均方誤差 MSE：

可以看到有減法、平方、求和等運算：

分別假設相應的預測值和真實值：

希望通過上面直觀的描繪，讓大家在 Numpy 時可以更輕鬆，理解也能更深一層！

原文地址：

https://jalammar.github.io/visual-numpy/

(*本文僅代表作者觀點，轉載請聯繫原作者)

AutoML看起來很美好，卻也挑戰重重。開發者對 AutoML 也是既好奇也疑惑，所以只要你是 AI 領域的學習者，從業者，甚至感興趣程式設計師會不會被 AI 替代這件事，都可以報名學習。你可以在這裡從0認識，再次重新認識機器學習新興且重要的技術領域——AutoML。

推薦閱讀：